TP - Aeropuertos

Laboratorio de Datos

Viajes más Frecuentes

En esta parte, utilizaremos los datos de Origen y Destino y la frecuencia de de viaje de un lugar a otro, es decir la cantidad de veces que un Origen esta relacionado con un Destino.

Para esto, vamos a utilizar grafos, y los visualizaremos tanto con grafos dirigidos como grafos no dirigidos. Estos se ara con las librerias del paquete ggraph.

# Corro las librerias necesarias
library(ggraph)
library(ggplot2)
# library(ggthemes)
library(dplyr)
library(igraph)

# Leo el csv con los datos
df.vuelos <- read.csv("./csv/vuelos_2021.csv")

df.vuelos

El dataset ya esta ordenado por Origen y Destino.

Ahora, añadimos una columna contando la frecuencias de estos viajes.

frec.viajes <- df.vuelos %>% select(Origen, Destino) %>% group_by(Origen,Destino) %>% summarise(n=n())

`summarise()` has grouped output by 'Origen'. You can override using the `.groups` argument.

frec.viajes

Habiendo tomado las freciencias de los viajes segun origen y destino, ya tenemos la información necesaria para podes visualizar lo que pasa con algun tipo de grafo.

Grafo NO dirigido

Tomemos los datos y produscamos un grafo no dirigido donde el ancho del hilo de unión entre dos aeropuertos represente la cantidad de vuelos que hay entre estos dos aeropuertos.

# Tomo el dataframe del grafo y pido que no sea dirigido
grafo <- graph.data.frame(frec.viajes, directed = F)


plot.igraph( grafo, 
             vertex.frame.color = "Forestgreen",
             vertex.size=degree(grafo, mode = "out"),
             vertex.label.cex=c(2,2.5,3), 
             vertex.label.dist=0,
             edge.color="black",
             edge.curved = F, 
             edge.width = E(grafo)/30)

En el grafo se puede visualizar que la mayoria de los viajes salen o de EZE o de AER. Entonces, tendria sentido preguntarse si hay alguna diferencia entre los vuelos que salen de EZE (o llegan) y los de AER.

Tomemos dos dos dataframes distintos, uno con los origenes en EZE y otro en AER

graph <- graph_from_data_frame(frec.viajes)
ggraph(graph, layout = 'kk') +  geom_edge_link(aes(colour = factor(n))) + geom_node_point()

layout <- create_layout(graph, layout = 'drl')

dendrogram <- as.dendrogram(hclust(dist(frec.viajes$n)))
ggraph(dendrogram, 'dendrogram') + 
    geom_edge_elbow()

NA
NA

Hagamos el primer grafo, pero tomando un origen y viendo que pasa con cada uno de estos.

grafica.grafo.origen <- function(df, filtro){
  # Filtra el dataset  
  dt <- df %>% filter(Origen == filtro)
  # crea el grafo
  gf <- graph.data.frame(dt, directed = F)
  
  # Dibuja el grafo
  plot.igraph( gf, 
             vertex.frame.color = "Forestgreen",
             vertex.label.cex=c(1.5,1,0.5), 
             vertex.label.dist=0,
             edge.color="black",
             edge.curved = F, 
             edge.width = E(gf)/30)
  }

nombres <- names(table(frec.viajes$Origen))

for (i in (1:4)){
  grafica.grafo.origen(frec.viajes, nombres[i])  
}

NA
NA
NA